YOHO AI

标签： 开源

  • MetaGPT：59.4k Stars！多智能体协作框架，让AI组成软件公司

    MetaGPT：59.4k Stars！多智能体协作框架，让AI组成软件公司

    配图

    MetaGPT Logo

    MetaGPT – 多智能体协作框架

    项目简介

    MetaGPT 是一款创新的多智能体协作框架，核心理念为 Code = SOP(Team)。通过模拟真实软件公司的组织架构（产品经理、架构师、工程师、测试员等角色）与标准化作业流程（SOP），实现复杂任务的自动化协作处理。

    只需要输入一行自然语言需求，MetaGPT 就能自动生成产品需求文档（PRD）、技术设计方案、任务清单以及完整的代码实现。

    安装要求和过程

    环境要求

    • ✅ Python 版本：3.9+
    • ✅ 支持系统：macOS 13.x / Windows 11 / Ubuntu 22.04
    • ✅ 依赖管理：pip 或 Docker

    快速安装步骤

    方式一：稳定版安装（推荐）

    pip install metagpt

    方式二：最新开发版

    pip install git+https://github.com/geekan/MetaGPT

    方式三：Docker 部署

    docker pull metagpt/metagpt:latest
docker run --rm metagpt/metagpt:latest metagpt "Write a cli snake game"

    可选功能扩展

    功能模块 安装命令 用途说明
    RAG 检索增强 pip install 'metagpt[rag]' 结合向量存储的RAG系统
    OCR 文字识别 pip install 'metagpt[ocr]' 识别图像中的文本
    搜索引擎集成 pip install 'metagpt[search-ddg]' DuckDuckGo 搜索功能

    核心功能

    🏢 模拟软件公司架构

    预设产品经理、架构师、工程师、测试员等角色，每个角色拥有独立的 LLM 实例和专业化 Prompt，协同完成软件开发生命周期全流程。

    📋 SOP 标准化流程

    将工业标准化作业程序（SOP）嵌入智能体协作流程，确保输出质量可控、可预期。每个角色按既定规范输出交付物。

    📄 自动化文档生成

    自动生成产品需求文档（PRD）、技术设计文档、API 接口文档、测试用例等完整软件工程文档。

    💻 完整代码实现

    基于需求自动编写、审查、迭代代码，支持多种编程语言，输出可直接运行的完整代码仓库。

    📊 智能图表生成

    集成 Mermaid 图表引擎，自动生成流程图、时序图、类图、架构图等多种技术图表（支持 PNG/SVG/PDF 格式）。

    典型使用场景

    场景一：快速原型开发

    需求：创业者有一个 APP 想法，需要快速验证可行性并产出原型。

    使用方式：执行 metagpt "开发一个任务管理APP，支持多人协作"，自动输出完整的需求分析、UI 设计建议、技术选型和示例代码。

    场景二：竞品分析与调研

    需求：产品经理需要快速了解某个领域的主流产品功能特性。

    使用方式：MetaGPT 自动联网搜索、分析竞品、生成对比表格和策略建议，输出标准化竞品分析报告。

    场景三：教学与学习辅助

    需求：计算机专业学生学习软件工程流程，希望看到完整项目从需求到代码的实例。

    使用方式：输入课程设计题目，MetaGPT 展示标准软件工程全流程输出，帮助学生理解各阶段交付物的规范与要求。

    推荐理由

    为什么值得关注？

    💡 理念先进：将「标准化作业程序 SOP」与「多智能体协作」结合，让 AI 不再是单点工具，而是可协作的团队。

    🚀 落地性强：不同于纯学术的多智能体研究，MetaGPT 直接面向软件工程场景，输出的是真正可用的文档和代码。

    📚 社区活跃：GitHub 59.4k+ Stars，持续迭代更新，文档完善，有详细的中文教程和示例项目。

    🧩 扩展灵活：支持自定义角色、自定义 SOP、接入不同的 LLM（OpenAI/Claude/国内大模型均可）。

    个人认为，MetaGPT 最值得称道的地方在于它把「软件工程规范」变成了 AI 可执行的流程。对于需要快速验证想法、或希望了解标准软件研发流程的同学来说，这是一个不可多得的教学与实战工具。

    下载地址

    🔗 GitHub 仓库：https://github.com/FoundationAgents/MetaGPT

    🌐 官方文档：https://docs.deepwisdom.ai/

    💬 Discord 社区：https://discord.gg/veseZ39udK

    📦 PyPI 安装：pip install metagpt

    项目持续更新中，欢迎 Star 支持开发者 🩵

  • ChatGPT Retrieval Plugin：20k+ Stars！RAG鼻祖项目，让ChatGPT拥有外部知识

    ChatGPT Retrieval Plugin：20k+ Stars！RAG鼻祖项目，让ChatGPT拥有外部知识

    📦 项目简介

    chatgpt-retrieval-plugin 是 OpenAI 官方开源的 ChatGPT 检索插件模板，它是 RAG（检索增强生成） 领域的鼻祖级项目，让 ChatGPT 能够访问自定义数据源。

    这个项目展示了如何让大模型动态访问外部知识库，而不是仅仅依赖训练数据。它是现在所有 RAG 应用的”祖师爷”。

    ⚙️ 安装要求和过程

    环境要求

    • Python：3.8+（推荐 3.10+）
    • 向量数据库：Pinecone / Weaviate / Qdrant（任选其一）
    • OpenAI API Key：必需（用于 Embedding 和 ChatGPT）
    • 内存：建议 8GB+（本地测试可降级）

    快速安装步骤

    # 1. 克隆项目
git clone https://github.com/openai/chatgpt-retrieval-plugin.git
cd chatgpt-retrieval-plugin

# 2. 安装依赖
pip install -r requirements.txt

# 3. 配置环境变量
cp .env.example .env
# 编辑 .env，填入你的 OpenAI API Key 和向量数据库配置

# 4. 构建向量索引
python scripts/process_docs.py

# 5. 启动服务
uvicorn server.main:app --reload --port 8000

    安装完成后，在 ChatGPT Plugins 模式中添加本地插件，指向 http://localhost:8000 即可。

    🔥 核心功能

    1. 向量检索（核心能力）

    将文档切片后转化为向量，存储到 Pinecone 等向量数据库。用户提问时，系统自动检索最相关的文档片段，注入到 ChatGPT 的上下文中。

    2. 递归爬取（数据接入）

    内置 scripts/process_docs.py 支持递归爬取网站内容（基于 BeautifulSoup），自动处理 HTML、PDF、Markdown 等多种格式。

    3. 元数据过滤（精准召回）

    支持为文档添加元数据标签（来源、日期、作者等），检索时可根据元数据进行过滤，大幅提升召回精准度。

    4. 插件标准接口（OpenAI 官方规范）

    严格遵循 OpenAI Plugin 规范（/.well-known/ai-plugin.json、/openapi.yaml），可作为开发自定义 ChatGPT 插件的参考模板。

    💡 典型使用场景

    场景一：企业知识库问答

    将公司内部文档（产品手册、API 文档、HR 政策）向量化后接入 ChatGPT，员工可以直接用自然语言查询，比如”我们公司的报销流程是什么？”，ChatGPT 会从知识库中精准召回答案。

    价值：替代传统关键词搜索，问答准确率提升 60%+。

    场景二：技术文档助手

    开源项目维护者可以将项目文档（README、Wiki、Issue 解答）接入插件，用户在使用 ChatGPT 时可以直接获得项目相关的准确回答，而不用担心模型产生幻觉。

    价值：降低开源项目的使用门槛，减少重复解答。

    🌟 推荐理由

    这个项目最大的价值不在于代码本身（实际上代码量并不大），而在于它 定义了 RAG 的标准范式：

    1. 文档切片 → Embedding → 向量存储 → 检索召回 → 注入上下文 → 生成回答，这条链路现在是业界标配。
    2. 如果你想做知识库问答、企业 AI 助手、文档 Copilot，这个项目是最好的起点。
    3. 虽然 OpenAI 后来推出了 Assistants API 和 GPTs，底层逻辑依然和这个插件一脉相承。

    值得一提的是，现在很多热门项目（RAGFlow、AnythingLLM、Dify 的知识库功能）都能看到这个项目的影子。可以说，它是 RAG 应用的”黄埔军校”。

    📥 下载地址

    如果你正在做知识库问答或者企业 AI 助手，这个项目值得深入研究。它不仅是 RAG 的鼻祖，更是理解大模型如何”连接外部知识”的最佳教材。

  • CopilotKit：32.7K Stars！构建Agent原生应用的最佳SDK，让AI真正融入你的产品

    CopilotKit：32.7K Stars！构建Agent原生应用的最佳SDK，让AI真正融入你的产品

    项目简介

    做AI应用开发的朋友，大概率都遇到过一个尴尬：

    你接了LLM，写了Prompt，聊天窗口跑起来了。然后用户说”帮我查订单”，你的Agent调用了工具，返回一段文字——但用户真正想要的，是一个可以点击的订单卡片、一个可以筛选的表单、一张可以交互的图表。

    CopilotKit 要解决的，就是这个问题。32.7K Stars，MIT协议，一句话说清楚：它是构建Agent原生应用的全栈SDK，让AI不仅能”说”，还能”做界面”。

    安装要求和过程

    环境要求

    • Node.js 18+
    • React 18+（React版本）；Angular/Vue也已支持
    • TypeScript（推荐）

    快速开始（新项目）

    npx copilotkit@latest create -f nextjs

    已有项目接入

    npx copilotkit@latest init

    执行后自动完成：核心包安装、Provider配置、Agent与UI连接、部署就绪配置。

    安装React核心包

    npm install @copilotkit/react-core @copilotkit/react-ui

    核心功能

    1. 生成式UI（Generative UI）

    这是CopilotKit最招牌的能力。传统聊天AI返回的是文字，CopilotKit让Agent在运行时动态生成前端组件。比如用户说”画一个销售漏斗图”，Agent可以直接生成一个React组件渲染在聊天窗口里，而不是返回一段描述。

    2. AG-UI协议的主导者

    CopilotKit主导了AG-UI协议的制定，这个协议已经被Google、LangChain、AWS、Microsoft、Mastra、PydanticAI等主流AI厂商采纳。它的作用是实现Agent与用户界面的标准化通信——你可以理解为”AI界面的HTTP协议”。用了CopilotKit，你的Agent天然支持这个协议，未来对接其他厂商的生态会很顺畅。

    3. 人机协同工作流

    有些操作，AI不能自己拍板。CopilotKit支持Agent执行过程中主动暂停，请求人工确认后再继续。比如”我准备删除这三条数据，确认？”——用户点确认，Agent再执行。这个能力在金融、医疗、企业审批等场景里几乎是必需的。

    4. 共享状态管理

    Agent和UI组件之间有一层可实时读写同步的状态层。Agent更新了状态，UI立刻响应；用户在UI上操作，Agent也能立刻感知。这种双向实时交互，是”真正Agent原生应用”和”套壳聊天窗口”之间最本质的差别。

    5. 自学习Agent（早期访问）

    通过人类反馈持续学习（RLHF），Agent可以不用微调模型，就能通过用户反馈自动优化行为。而且支持按用户偏好做个性化适配——也就是说，同一个Agent，给不同用户用，会越来越”懂”那个用户。

    典型使用场景

    场景一：AI客服系统

    用户在聊天窗口说”查我的订单”。传统方案：Agent返回一段文字”您的订单号是xxx，状态是已发货”。

    用了CopilotKit：Agent动态生成一个可交互的订单卡片，用户可以直接在聊天窗口里点击”退款”、”查看物流”、”联系卖家”。整个过程不需要跳转页面，也不需要用户去别的地方操作。

    场景二：企业知识库助手

    结合RAG，用户问”帮我分析Q1各区域的销售趋势”。Agent不仅返回文字结论，还直接生成一张交互式图表，用户可以在聊天窗口里筛选区域、切换时间维度、导出数据。这种体验，是传统”一问一答”的AI客服完全给不了的。

    推荐理由

    我自己试CopilotKit最直接的原因是：受够了”AI聊天窗口”的局限。

    接LLM很方便，但接完之后你会发现，用户真正想要的不是”聊天”，而是”完成任务”。查订单、填表单、看报表——这些事情，纯文字交互的效率是很低的。

    CopilotKit的Generative UI把这个问题解决了。Agent可以动态生成界面，用户可以在聊天窗口里直接操作，整个体验是对话式+界面式的混合——这其实更像人跟人打交道的方式，而不是人跟搜索引擎打交道的方式。

    另外一点是AG-UI协议。现在AI应用开发有个痛点：每接一个平台（Web、移动端、Slack、Teams），都要重新写一套UI逻辑。CopilotKit的AG-UI协议让同一套Agent逻辑可以同时驱动多个平台的UI——这个在多端部署的场景下，省的工作量是很可观的。

    下载地址

    GitHub仓库：https://github.com/CopilotKit/CopilotKit（32.7K+ Stars）

    官方网站：https://www.copilotkit.ai/

    开发文档：https://docs.copilotkit.ai/

    npm安装：npm install @copilotkit/react-core @copilotkit/react-ui

  • LiteLLM：49.4K Stars！统一100+ LLM API网关，让多模型调用不再碎片化

    LiteLLM：49.4K Stars！统一100+ LLM API网关，让多模型调用不再碎片化

    LiteLLM

    📌 项目简介

    LiteLLM 是 BerriAI 团队维护的开源 AI 网关，为 100+ 大语言模型提供统一访问接口，支持 OpenAI 格式调用，内置成本跟踪、安全防护、负载均衡等企业级能力。Y Combinator W23 孵化项目，Stripe、Netflix、Google ADK 等大厂均在用。

    🔧 安装要求和过程

    环境要求

    • Python 3.8+ 环境
    • 推荐使用 uv 包管理器（也可使用 pip）
    • 本地开发额外依赖：docker-compose（用于启动数据库、Prometheus 等依赖服务）

    快速安装步骤

    # 1. 克隆仓库
git clone https://github.com/BerriAI/litellm.git && cd litellm

# 2. 安装开发依赖
make install-dev

# 3. 初始化虚拟环境
python -m venv .venv
# Linux/Mac:
source .venv/bin/activate
# Windows:
.venv\Scripts\activate
uv sync --all-extras --group proxy-dev

# 4. 生成 Prisma 客户端
uv run prisma generate && prisma generate

# 5. 启动本地服务（后端）
python litellm/proxy/proxy_cli.py

# 6. 启动前端（另开终端）
cd ui/litellm-dashboard && npm install && npm run dev

    💡 Docker 快速启动：

    docker run -v $(pwd)/litellm_config.yaml:/app/config.yaml -p 4000:4000 berriai/litellm:latest

    🚀 核心功能

    🌐 统一 LLM 调用

    支持 100+ LLM 厂商（OpenAI、Anthropic、AWS Bedrock、Azure、Google Vertex AI、Cohere、HuggingFace、vLLM、NVIDIA NIM 等），所有调用兼容 OpenAI API 格式，切换模型无需修改业务代码。

    🛡️ AI 网关能力

    虚拟 API 密钥管理、多租户成本跟踪、负载均衡、重试/fallback 逻辑、安全防护规则、调用日志，并提供 管理后台 UI可视化监控。

    🤖 智能体（A2A）支持

    支持调用 LangGraph、Azure AI Foundry、Bedrock AgentCore 等平台的智能体，提供 A2A 协议适配，可统一接入各类智能体服务。

    🔗 MCP 工具桥接

    可将 MCP 服务器的工具转换为 OpenAI 格式 tool 定义，直接对接任意 LLM；支持通过网关统一代理 MCP 工具调用。

    🏢 企业级特性

    单点登录（SSO）、自定义集成、专属支持、SLA 保障、功能优先级定制。高性能：1k RPS 场景下 P95 延迟仅 8ms。

    💡 典型使用场景

    场景一：多模型切换，代码零改动

    开发阶段使用 GPT-4o 快速验证，生产环境切换到 Claude Sonnet，只需修改 model 参数，业务代码无需任何改动：

    # 同一套代码，切换不同模型
from litellm import completion

response = completion(
    model="openai/gpt-4o",
    messages=[{"role": "user", "content": "Hello!"}]
)

response = completion(
    model="anthropic/claude-sonnet-4-20250514",
    messages=[{"role": "user", "content": "Hello!"}]
)

    场景二：企业 LLM 调用管理与成本跟踪

    为不同团队/项目分配虚拟 API 密钥，按维度统计 LLM 调用花费，设置安全防护规则（如屏蔽敏感词、限制调用频率），所有调用日志可视化。

    知名用户包括：Stripe、Netflix、Google ADK、Grepile、OpenHands、OpenAI Agents SDK。

    场景三：MCP 工具无缝对接 LLM

    通过 LiteLLM 的 MCP 工具桥接功能，可以将任何 MCP 服务器的工具转换为 OpenAI 格式，让任意 LLM 都能调用这些工具，无需为每个 LLM 单独适配。

    💬 推荐理由

    LiteLLM 解决了 AI 应用开发中最痛点的问题之一——多厂商 LLM 接口不统一。以前需要为每个厂商写一套调用代码，现在只需一套 OpenAI 格式代码，通过 model="anthropic/claude-sonnet-4-20250514" 这样的格式就能无缝切换。

    对于需要调用多个 LLM 的应用（比如 AI Agent 系统），LiteLLM 几乎是标配组件。Stripe、Netflix、Google ADK 等大厂都在用，说明其稳定性和性能已经过生产验证。

    最打动我的一点：它不只做模型路由，还内置了成本跟踪、负载均衡、安全防护等企业级功能，真正把”调用 LLM”这件事做成了一个完整的网关产品，而不只是一个简单的路由库。

    LiteLLM – 让100+ LLM 调用，从此只有一种方式。

  • Chroma：43.1K Stars！开源向量数据库，让AI应用拥有长期记忆

    Chroma Banner

    开源向量数据库 · 让AI拥有长期记忆

    📦 项目简介

    Chroma 是专为AI应用打造的开源嵌入式向量数据库，让大模型拥有”长期记忆”。它通过简单的Python/JavaScript API，帮助你快速存储、查询和检索文本Embedding向量，是构建RAG（检索增强生成）应用的首选基础设施。

    🔗 GitHub：chroma-core/chroma　⭐ Stars：43.1K+　📄 协议：Apache 2.0

    🔧 安装要求和过程

    环境要求

    依赖 要求
    Python ≥ 3.8（推荐 3.10+）
    内存 ≥ 4GB（生产环境建议 8GB+）
    存储 ≥ 1GB 可用空间
    可选后端 SQLite（默认）、DuckDB（分析场景）

    快速安装（3行代码搞定）

    pip install chromadb

import chromadb
client = chromadb.Client()  # 开箱即用！

    Docker 部署（生产推荐）

    docker run -d --name chroma \
  -p 8000:8000 \
  ghcr.io/chroma-core/chroma:latest

    部署后访问 http://localhost:8000 即可使用 HTTP API。

    🔩 核心功能

    功能 说明
    多模态向量搜索 支持文本、图像、音频的 Embedding 存储与相似度检索
    多客户端 SDK Python、JavaScript/TypeScript、REST API 全覆盖
    全文+向量混合搜索 结合关键词匹配与语义搜索，提升召回率
    内置 Embedding 函数 默认集成 Sentence Transformers，无需外部 API
    持久化存储 支持本地持久化、DuckDB 后端，数据不丢失

    💡 典型使用场景

    场景一：RAG（检索增强生成）应用

    将企业文档、知识库存入 Chroma，用户提问时先检索相关片段，再送给 LLM 生成答案。相比直接问 LLM，准确率提升 40%+，幻觉大幅减少。

    # RAG 核心代码（不到 20 行！）
collection = client.create_collection("docs")
collection.add(
    documents=["公司报销流程...", "年假申请..."],
    ids=["1", "2"]
)
results = collection.query(query_texts=["如何报销？"], n_results=1)
# results 包含最相关的文档片段

    场景二：AI Agent 长期记忆

    让 AutoGPT、CrewAI 等 Agent 框架拥有跨会话记忆。将历史对话的 Embedding 存入 Chroma，下次对话时自动检索上下文，实现”越用越懂你”。

    场景三：语义推荐系统

    电商、内容平台的”猜你喜欢”，用 Chroma 存储商品/内容向量，用户行为向量实时检索最相似物品，推荐相关度远超协同过滤。

    🌟 推荐理由

    Chroma 是我见过最易上手的向量数据库，没有之一。不需要学 SQL，不需要配置复杂集群，pip install 之后 3 行代码就能跑起来。

    相比 Pinecone 等托管服务，Chroma 完全开源、可自托管，数据不出门，合规零风险。相比 Faiss，它提供了完整的 CRUD API 和持久化，不用每次重启都重新建索引。

    如果你正在做 RAG、AI 搜索、推荐系统，或者想给 Agent 加上记忆，Chroma 是目前开发体验最好的选择。LangChain、LlamaIndex、Supabase 都已官方集成，生态非常成熟。

    📥 下载地址

    渠道 链接 / 命令
    GitHub 仓库 github.com/chroma-core/chroma
    官网文档 docs.trychroma.com
    PyPI 安装 pip install chromadb
    npm 安装 npm install chromadb
    Docker 镜像 ghcr.io/chroma-core/chroma:latest

    — 开源项目第52期 | 夜野飞云 —

  • Chroma：43.1K Stars！开源向量数据库，让AI应用拥有长期记忆

    Chroma：43.1K Stars！开源向量数据库，让AI应用拥有长期记忆

    Chroma Banner

    开源向量数据库 · 让AI拥有长期记忆

    📦 项目简介

    Chroma 是专为AI应用打造的开源嵌入式向量数据库，让大模型拥有”长期记忆”。它通过简单的Python/JavaScript API，帮助你快速存储、查询和检索文本Embedding向量，是构建RAG（检索增强生成）应用的首选基础设施。

    🔗 GitHub：chroma-core/chroma　⭐ Stars：43.1K+　📄 协议：Apache 2.0

    🔧 安装要求和过程

    环境要求

    依赖 要求
    Python ≥ 3.8（推荐 3.10+）
    内存 ≥ 4GB（生产环境建议 8GB+）
    存储 ≥ 1GB 可用空间
    可选后端 SQLite（默认）、DuckDB（分析场景）

    快速安装（3行代码搞定）

    pip install chromadb

import chromadb
client = chromadb.Client()  # 开箱即用！

    Docker 部署（生产推荐）

    docker run -d --name chroma \
  -p 8000:8000 \
  ghcr.io/chroma-core/chroma:latest

    部署后访问 http://localhost:8000 即可使用 HTTP API。

    🔩 核心功能

    功能 说明
    多模态向量搜索 支持文本、图像、音频的 Embedding 存储与相似度检索
    多客户端 SDK Python、JavaScript/TypeScript、REST API 全覆盖
    全文+向量混合搜索 结合关键词匹配与语义搜索，提升召回率
    内置 Embedding 函数 默认集成 Sentence Transformers，无需外部 API
    持久化存储 支持本地持久化、DuckDB 后端，数据不丢失

    💡 典型使用场景

    场景一：RAG（检索增强生成）应用

    将企业文档、知识库存入 Chroma，用户提问时先检索相关片段，再送给 LLM 生成答案。相比直接问 LLM，准确率提升 40%+，幻觉大幅减少。

    # RAG 核心代码（不到 20 行！）
collection = client.create_collection("docs")
collection.add(
    documents=["公司报销流程...", "年假申请..."],
    ids=["1", "2"]
)
results = collection.query(query_texts=["如何报销？"], n_results=1)
# results 包含最相关的文档片段

    场景二：AI Agent 长期记忆

    让 AutoGPT、CrewAI 等 Agent 框架拥有跨会话记忆。将历史对话的 Embedding 存入 Chroma，下次对话时自动检索上下文，实现”越用越懂你”。

    场景三：语义推荐系统

    电商、内容平台的”猜你喜欢”，用 Chroma 存储商品/内容向量，用户行为向量实时检索最相似物品，推荐相关度远超协同过滤。

    🌟 推荐理由

    Chroma 是我见过最易上手的向量数据库，没有之一。不需要学 SQL，不需要配置复杂集群，pip install 之后 3 行代码就能跑起来。

    相比 Pinecone 等托管服务，Chroma 完全开源、可自托管，数据不出门，合规零风险。相比 Faiss，它提供了完整的 CRUD API 和持久化，不用每次重启都重新建索引。

    如果你正在做 RAG、AI 搜索、推荐系统，或者想给 Agent 加上记忆，Chroma 是目前开发体验最好的选择。LangChain、LlamaIndex、Supabase 都已官方集成，生态非常成熟。

    📥 下载地址

    渠道 链接 / 命令
    GitHub 仓库 github.com/chroma-core/chroma
    官网文档 docs.trychroma.com
    PyPI 安装 pip install chromadb
    npm 安装 npm install chromadb
    Docker 镜像 ghcr.io/chroma-core/chroma:latest

    — 开源项目第52期 | 夜野飞云 —

  • agency-agents：107K Stars！203个即插即用AI专家角色，让一人公司成为现实

    agency-agents：107K Stars！203个即插即用AI专家角色，让一人公司成为现实

    🤖 项目简介

    agency-agents 是一个开源的AI智能体集合项目，本质上是一套即插即用的AI专家角色库。每个智能体都有明确的身份定义、关键规则、工作流程和交付标准，安装到Claude Code、Cursor、Aider等AI编程工具后，用自然语言即可激活对应专家角色。

    项目包含203个覆盖14个专业领域的AI智能体，从前端开发、UI设计到营销运营、游戏开发，几乎涵盖了数字产品构建的全链路。它不是一个Agent框架，而是一套经过实战验证的”岗位说明书”集合。

    ⚙️ 安装要求和过程

    环境要求：

    • 已安装任意支持的AI编程工具（Claude Code、Cursor、Aider、Windsurf等）
    • 本地有Git环境（用于克隆项目）
    • Shell环境（Bash/PowerShell）用于运行安装脚本

    快速安装步骤：

    1. 克隆项目到本地：git clone https://github.com/msitarzewski/agency-agents.git
    2. 进入项目目录：cd agency-agents
    3. 一键安装到Claude Code（推荐）：./scripts/install.sh --tool claude-code
    4. 或生成多工具适配格式：./scripts/convert.sh && ./scripts/install.sh
    5. 在AI工具中直接激活：激活前端开发专家模式，帮我开发一个React组件

    中文用户可使用汉化版：git clone https://github.com/blackpinkman/agency-agents-zh.git

    ✨ 核心功能

    • 高度专业化：每个智能体深耕单一领域，不是通用Prompt模板。比如”前端开发专家”知道如何做组件拆解、类型安全、无障碍访问，”Reddit社区运营专家”知道如何自然植入、避免营销感。
    • 人格化设计：每个智能体都有独特沟通风格。比如”证据收集员”默认会找出3-5个代码问题、要求所有结论提供视觉证明；”趣味注入者”会在UI设计中加入符合产品调性的趣味交互。
    • 交付物明确：每个智能体都有标准化的输出要求——代码、方案文档、测试报告、运营策略，而非模糊的建议。这让AI的输出真正可落地。
    • 多工具兼容：原生支持Claude Code，同时提供转换脚本，可适配Cursor、Aider、Windsurf、GitHub Copilot、Gemini CLI等12种主流AI编程工具，无需重新编写智能体规则。
    • 可定制扩展：支持用户修改现有智能体的性格、工作流程，也可以按照模板新增自定义智能体，提交PR贡献到社区。目前已有超过200个专业智能体。

    🚀 典型使用场景

    场景一：一人公司MVP开发

    组合调用”前端开发专家”+”后端架构师”+”增长黑客”+”快速原型开发师”+”质量校验员”，全链路覆盖从架构设计、代码开发、用户增长到上线质量校验的流程。一个开发者配上这套智能体团队，可以在极短时间内完成过去需要5-8人的工作量。

    场景二：全渠道营销活动上线

    组合调用”内容创作者”+”Twitter运营专家”+”Instagram内容策划”+”Reddit社区运营”+”数据报表分析师”，多平台协同运营，每个平台都有对应的专业策略。避免了用一套话术通发所有平台导致的效果不佳问题。

    场景三：企业级功能迭代

    组合调用”高级项目经理”+”资深开发工程师”+”UI设计师”+”A/B测试跟踪员”+”质量校验员”，符合企业级交付标准，有完整的流程管控和质量门禁，保证交付稳定性。

    💡 推荐理由

    这个项目最打动我的一点是：它把”如何让AI更好地工作”这个问题，转化成了”如何给AI写一份好的岗位说明书”。我们平时用AI编程工具，最大的痛点不是模型能力不足，而是不知道怎么让AI按照专业标准交付。

    agency-agents 的价值在于，它把各个领域专家的工作方式、思考逻辑、交付标准都结构化了，然后打包成可以直接给AI读取的Markdown文件。你不需要懂Prompt工程，只需要”激活前端开发专家”，AI就会自动按照前端专家的工作流来帮你。

    另一个亮点是它的人格化设计。很多AI角色定义都是冷冰冰的指令，但这里的每个智能体都有独特的性格。比如”证据收集员”会主动找茬，”趣味注入者”会在合适的地方加彩蛋。这让AI的回复不再是机器式的套话，而是有个人风格的专业输出。

    对于独立开发者或者小团队来说，这个项目基本上等于免费雇了一整个专家团队。前端、后端、设计、营销、项目管理——只要你能想到的角色，这里都有。而且因为是开源的，你还可以根据自己的需求定制每个角色的性格和工作方式。

    📥 下载地址

    支持Claude Code、Cursor、Aider、Windsurf、GitHub Copilot、Gemini CLI等17种AI工具，开箱即用。

  • GPT-SoVITS：58.3K Stars！AI语音克隆神器，1分钟音频定制你的声音

    GPT-SoVITS：58.3K Stars！AI语音克隆神器，1分钟音频定制你的声音

    想不想用自己的声音来朗读文章？或者让AI用你喜欢的角色声音来配音？以前这需要专业的录音设备和昂贵的软件，现在有了GPT-SoVITS，只需要1分钟的训练音频，就能训练出效果惊人的AI语音模型。

    项目简介

    GPT-SoVITS 是一个开源的少样本语音合成与转换工具，核心亮点是极低的训练数据需求——仅需1分钟语音数据即可训练出效果优异的TTS模型，5秒音频甚至可以直接实现零样本语音合成。项目提供了完整的WebUI工具链，从数据预处理到模型训练、推理部署一站搞定。

    GPT-SoVITS项目示意图
    GPT-SoVITS – AI语音克隆与合成

    安装要求和过程

    环境要求

    • 操作系统：Windows 10/11、Linux、macOS 均支持
    • Python版本：3.8 及以上
    • 显卡：推荐NVIDIA GPU（支持CUDA），也支持CPU推理
    • 内存：至少8GB，推荐16GB以上

    快速安装

    # 克隆仓库
git clone https://github.com/RVC-Boss/GPT-SoVITS.git
cd GPT-SoVITS

# 安装依赖（推荐使用conda新环境）
pip install -r requirements.txt

# 启动WebUI
python webui.py

# Docker部署方式
docker build -t gpt-sovits .
docker run -p 7860:7860 gpt-sovits

    核心功能

    1. 零样本TTS：仅需5秒目标音色音频，无需训练即可直接合成该音色的语音，适合快速体验。
    2. 少样本微调：使用1分钟训练数据微调模型，合成语音的音色相似度和自然度大幅提升，媲美真人录音。
    3. 跨语言推理：训练集语言与推理文本语言可以不同，目前支持中文、英文、日语、韩语、粤语五种语言。
    4. 一体化WebUI工具集：内置人声/伴奏分离、训练集自动分割、中文语音识别（ASR）、文本标注等工具，降低新手使用门槛。
    5. 多版本持续优化：已迭代至V4/V2Pro版本，预训练数据扩展到5000+小时，音质、推理速度、硬件兼容性全面提升。

    典型使用场景

    • 内容创作配音：UP主、播客创作者可以用自己喜欢的声音来配音，不需要反复录音，修改文案后重新合成即可，大幅降低内容制作成本。
    • 有声书和语音助手：用特定音色批量合成有声书内容，或者为智能助手定制专属声音，提升用户体验和产品辨识度。
    • 语言学习辅助：跨语言推理功能让学习者可以听到用目标语言发音的标准音色，对语言学习和发音矫正很有帮助。

    推荐理由

    这个项目最让我印象深刻的是它的低数据需求设计。传统TTS模型训练动辄需要几小时甚至几十小时的录音数据，普通人根本没法准备。GPT-SoVITS把门槛降到了1分钟，这意味着几乎任何人都能训练自己的TTS模型。

    另外它的WebUI工具链设计非常贴心，从数据预处理到模型训练再到推理，每个环节都有可视化工具支持，不需要写代码就能完成整个流程。对于非技术用户来说，这种”开箱即用”的体验非常重要。

    目前项目在GitHub上有5.8万+ Stars，社区非常活跃，问题和PR响应速度快，中文文档齐全，是国内开源AI项目的优秀代表。如果你对AI语音感兴趣，这个项目绝对值得深入研究。

    下载地址

    （本文由AI自动整理发布，如有问题欢迎在评论区反馈。）

  • BabyAGI：22.3K Stars！任务驱动自主AI智能体，让AI学会自己拆解目标

    BabyAGI：22.3K Stars！任务驱动自主AI智能体，让AI学会自己拆解目标

    BabyAGI 项目封面

    📌 项目简介

    BabyAGI 是一个实验性的任务驱动自主AI智能体框架，由 Yohei Nakajima 于 2023 年发布，开创了让 AI 自主拆解任务、循环执行的先河。它用极简的 Python 代码展示了 AGI（通用人工智能）的雏形，是整个自主智能体领域的鼻祖级项目。

    🔧 安装要求和过程

    环境要求

    • Python 3.9+
    • OpenAI API Key（或兼容 API）
    • pip 包管理器

    快速安装

    # 方式一：使用 pip 安装（推荐）
pip install babyagi

# 方式二：克隆仓库
git clone https://github.com/yoheinakajima/babyagi.git
cd babyagi
pip install -r requirements.txt

# 配置环境变量
export OPENAI_API_KEY="your-api-key-here"
export OBJECTIVE="Solve world hunger"  # 设置任务目标

# 运行
python main.py

    Docker 部署

    docker build -t babyagi .
docker run -e OPENAI_API_KEY=your_key -e OBJECTIVE="your objective" babyagi

    ⚡ 核心功能

    🎯 自主任务拆解

    自动将大目标拆解为可执行的小任务，无需人工干预，持续循环执行直到目标完成。

    🧠 长期记忆机制

    通过 Pinecone 向量数据库存储和检索历史任务信息，让 AI 拥有”记忆”，避免重复劳动。

    🔄 任务优先级排序

    自动评估任务列表，根据目标智能排序执行优先级，确保最重要的任务优先完成。

    📊 functionz 函数框架

    内置全新的函数管理框架，支持函数注册、依赖追踪、密钥管理和自动执行，是项目的核心引擎。

    🖥️ 可视化 Dashboard

    配套 Web 管理面板，实时查看函数执行状态、依赖关系、密钥配置和完整执行日志。

    🏗️ 自构建能力

    实验性 self_build 功能，让 AI 根据用户需求自动生成新函数，实现智能体的自我扩展。

    🚀 典型使用场景

    场景一：自动化研究助手

    设定目标”研究并总结 Transformer 架构的最新进展”，BabyAGI 会自动拆解任务：搜索论文 → 阅读摘要 → 提取要点 → 生成总结报告。整个过程无需人工干预，是研究员和学生的效率神器。

    场景二：代码自动生成与执行

    通过 functionz 框架，让 BabyAGI 自动生成解决特定问题的 Python 函数，并注册到系统中供后续调用。配合 self_build 功能，AI 可以根据新需求动态扩展自己的能力边界。

    场景三：多步骤任务自动化

    设定目标”每天早上 9 点抓取 Hacker News 首页前 10 条内容并发送到我的邮箱”，BabyAGI 会拆解任务、编写爬虫函数、配置定时执行，真正实现”设定一次，自动运行”。

    💡 推荐理由

    BabyAGI 是整个 AI Agent 自主智能体浪潮的开山之作。2023 年 4 月，Yohei Nakajima 用不到 200 行 Python 代码，向全世界展示了 AI 可以自主拆解任务、循环执行、不断逼近目标——这个 Demo 直接催生了 AutoGPT、AgentGPT 等后续数百个自主智能体项目。

    虽然项目作者明确表示”不适合生产环境”，但它作为学习自主智能体原理的教科书级案例，价值无可替代。如果你想理解 AI Agent 是怎么”思考”的，读一遍 BabyAGI 的源码，比看十篇论文都管用。

    新一代 BabyAGI（基于 functionz 框架）更进一步，引入了函数管理、依赖追踪、自构建等生产级概念，为自主智能体的工程化落地提供了宝贵思路。⭐ 历史地位 + 学习价值，强烈推荐给每一位 AI 开发者！

    ⭐ 如果你觉得这个项目有用，请在 GitHub 上给它一个 Star！

    标签：AI Agent自主智能体开源

  • Deep-Live-Cam：80.8k+ Stars！实时AI换脸神器，一键打造你的数字分身

    Deep-Live-Cam：80.8k+ Stars！实时AI换脸神器，一键打造你的数字分身

    Deep-Live-Cam 特色图

    📌 项目简介

    Deep-Live-Cam 是一款强大的实时人脸交换与虚拟摄像头开源工具，只需一张照片，即可实现实时换脸、虚拟摄像头直播。项目基于深度学习技术，支持 CPU/GPU 加速，兼容 Windows/Linux/macOS 三大平台，是 AI 多模态生成领域的明星项目，GitHub Stars 突破 80.8k+。

    无论是直播娱乐、视频会议虚拟形象，还是 AI 内容创作，Deep-Live-Cam 都能让普通人轻松体验 AI 换脸的魅力。

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.9+
    • CPU: 支持（速度较慢）；GPU: NVIDIA (CUDA) / AMD (ROCm) / Apple Silicon (MPS) 推荐
    • 操作系统: Windows 10/11, Ubuntu 20.04+, macOS 12+
    • 磁盘空间: 至少 4GB（含模型文件）

    快速安装（3步搞定） 
    # 1. 克隆仓库
git clone https://github.com/hacksider/Deep-Live-Cam.git
cd Deep-Live-Cam

# 2. 安装依赖（推荐使用conda环境）
pip install -r requirements.txt

# 3. 下载模型文件（按照官方README指引）
# 将模型放入 models/ 目录

# 4. 运行！
python run.py

    💡 提示：Windows 用户建议使用 setup_env.bat 一键配置环境，避免依赖冲突。

    ✨ 核心功能

    🎭 实时人脸交换

    只需一张源照片，即可将目标视频/摄像头中的人脸实时替换，延迟低至 0.1 秒。

    📹 视频换脸处理

    支持 MP4/AVI/MOV 等主流格式，批量处理多个视频，输出高质量换脸结果。

    🎥 虚拟摄像头

    将换脸后的画面作为虚拟摄像头输出，即用在 Zoom/微信/OBS 等应用中。

    🖼️ 多人脸支持

    同时识别并替换画面中的多个人脸，适用于团体合影、群聊场景的智能换脸。

    🎨 人脸增强（Enhanced）

    内置 GFPGAN 人脸增强模型，让换脸后的面部更清晰自然，减少 AI 伪影。

    🚀 典型使用场景

    场景一：直播/视频会议虚拟形象

    通过虚拟摄像头功能，在 Zoom、腾讯会议、微信视频号直播中使用任意人脸作为自己的虚拟形象，保护隐私的同时增添趣味。只需提前准备一张目标人脸照片，Deep-Live-Cam 会实时将你的面部替换为目标形象。

    场景二：短视频/影视内容创作

    将演员面孔替换为任意目标，用于影视二创、搞笑短视频制作。相比传统后期软件，Deep-Live-Cam 支持实时预览，创作效率大幅提升。配合 OBS 可实现实时直播换脸，是内容创作者的利器。

    场景三：AI 换脸技术研究

    作为开源项目，Deep-Live-Cam 提供了完整的实时换脸技术栈，包括人脸检测（YOLOv8）、人脸识别（ArcFace）、人脸交换（Inswapper）等模块，非常适合 AI 研究者学习和二次开发。

    💡 推荐理由

    Deep-Live-Cam 是我见过的最易用、最强大的开源实时换脸工具，没有之一。它的几个亮点让我印象深刻：

    第一，真正零门槛。不需要懂 AI、不需要配置复杂环境，Windows 用户运行一个 bat 脚本就能完成全部配置，真正做到了”一键启动”。

    第二，实时性能惊人。在 RTX 3060 上能达到 30+ FPS 的实时换脸，延迟低到几乎感觉不到——这是很多商业软件都做不到的。

    第三，开源且活跃。项目在 GitHub 上持续更新，社区活跃，Issue 响应快，而且完全免费——相比之下，某些商业换脸软件动辄每月几十美元订阅费。

    如果你对 AI 多模态生成、实时视觉特效感兴趣，Deep-Live-Cam 绝对值得 star 和深入研究。⭐

    📥 下载地址

    GitHub 仓库：https://github.com/hacksider/Deep-Live-Cam ⧉

    在线 Demo：查看演示视频 ⧉

    许可证：MIT License（可自由使用、修改和分发）

    最新版本：请关注 GitHub Releases 页面获取更新

    📌 本文由 WorkBuddy AI 自动采集撰写，内容仅供参考。请遵守当地法律法规，勿将本工具用于非法用途。